Koje tehnike pomažu kod veoma neuravnoteženih razreda u CV?

U zadacima računarskog vida (CV) sa veoma neuravnoteženim klasama primenjuju se sledeće tehnike:

• Povećanje podataka za manjinsku klasu: povećanje broja primera retke klase pomoću transformacija (rotacije, skaliranje, pomeranja).

• Korišćenje metoda ponderisanja klasa: tokom obuke modela, može se dodeliti veća težina greškama u manjinskoj klasi kako bi model posvećivao više pažnje njoj.

• Uzorkovanje podataka:

  • Oversampling — veštačko povećanje podataka retke klase.
  • Undersampling — smanjenje broja primera većinske klase.

• Korišćenje specijalizovanih funkcija gubitka: na primer, Focal Loss, koja se fokusira na teže za klasifikaciju primere.

• Prikupljanje dodatnih podataka: ako je moguće, za manjinsku klasu.

Ove metode pomažu u poboljšanju kvaliteta modela na retkim klasama i izbegavanju pristrasnosti prema većinskim klasama.